基于面向对象方法的压气机性能计算

提出一套预测压气机未知特性的方法,并基于面向对象思想采用变比热容计算方法进行压气机性能计算的分析和编程.结合粒子群优化（PSO）的全局寻优能力和反向传播（BP）神经网络的局部寻优能力提出基于PSO的BP神经网络（PSO-BP神经网络）预测压气机特性,分析了其预测误差和拟合误差:拟合误差基本都小于0.5%,预测误差基本都小于0.8%.其拟合精度和预测精度满足要求.采用变比热容计算方法来计算压气机性能,并采用面向对象方法编写了压气机性能计算程序.对几个压气机变工况点进行验证,各输出参数的最大误差为1.12%.因此,特性预测方法和性能计算的数学模型适用于压气机性能计算,这套方法同样适用于燃气轮机性能计算.      

航空发动机风扇叶片伸根段造型设计与优化

探索了航空发动机风扇叶片伸根段造型的优化设计方法,利用它在保持叶身气动设计不变的情况下使风扇叶片振动特性得到改善。建立了基于非均匀有理B样条NURBS (non-uniform rational B-spline)桥接曲线的伸根段造型方法,实现气动叶身与榫头侧面间的光滑连接;通过改变桥接曲线控制顶点的位置实现伸根段造型的参数化设计,并在相关假设条件的基础上提取了完全定义伸根段造型所需的8个设计变量;以风扇叶片共振裕度最大化作为伸根段设计目标,在径向基函数网络(RBFN)与粒子群(PSO)算法的基础上建立了伸根段造型优化设计流程,其原理是构造RBFN近似模型来逼近和预测风扇叶片共振裕度与伸根段设计变量间的隐式目标函数,在此基础上使用PSO算法搜索使共振裕度达到最大化的伸根段设计变量组合。结果表明:某大涵道比宽弦风扇叶片采用上述流程,通过优化伸根段造型使风扇叶片轴向一弯模态的自振频率得到提高,与转速3倍频激振间的共振裕度提高约2%。      

空间大型机械臂系统载运轨迹优化方法

针对在搬运及组装数十吨级负载过程中,空间站用大型机械臂会对空间站载体姿态产生扰动的问题,提出了一种笛卡尔轨迹参数化方法。利用基于广义雅克比矩阵（GJM）的分解运动速度控制和优化算法来实现基座姿态扰动控制,建立了反映载体姿态变化的目标函数。基于关节运动范围及避免动力学奇异等约束,采用粒子群（PSO）算法进行目标函数的优化,有效降低了空间大型机械臂系统在搬运重型负载过程中对载体姿态的影响。仿真结果验证了算法的有效性。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。     

多区域自由变形技术在短舱安装位置减阻设计中的应用研究

为了进行短舱安装位置参数的减阻优化设计研究,首先在NURBS样条基函数的基础上建立了多区域自由变形(FFD)技术,通过对FFD控制体框架边界条件的合理选取建立组合框架,实现了多个控制框架对复杂外形不同区域的自由变形参数化,采用多个控制框架的空间控制体对某型客机短舱安装位置进行减阻优化设计。试验设计取样之后应用随机权重粒子群算法和Kriging代理模型建立气动外形优化系统,对某型客机短舱水平位置和水平安装角进行气动优化设计。优化设计结果表明,设计后的短舱位置使得整个飞机在一定攻角范围内的阻力显著减小,从而证明了基于多区域自由变形技术建立的优化设计系统是合理和实用的。     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。